축구 기대 득점(xG)과 기대 도움(xA) 지표의 계산 원리

 

현대 축구 분석에서 단순 슈팅 수나 공격포인트만으로 선수의 경기력을 온전히 평가하기는 어렵습니다. 같은 1개의 슈팅이라도 골문 바로 앞 오픈 찬스와 페널티 박스 바깥 수비수가 밀집한 상황의 슈팅은 성공 확률이 완전히 다르기 때문입니다.

이러한 한계를 보완하기 위해 등장한 개념이 바로 기대 득점(Expected Goals, xG)과 기대 도움(Expected Assists, xA)입니다. 두 지표는 축구 경기의 불확실성을 데이터 기반 확률로 전환하여 선수의 기회 창출 및 결정력을 보다 정밀하게 파악하도록 돕습니다.

xG(기대 득점)의 기본 개념과 산출 알고리즘

xG는 특정 위치와 상황에서 시도한 슈팅이 골로 연결될 확률을 0에서 1 사이의 수치로 환산한 지표입니다. 예를 들어 어떤 슈팅의 xG 값이 0.35라면, 과거 수십만 건의 유사한 슈팅 데이터 기준 100번 중 35번 골이 들어갔음을 의미합니다.

슈팅 위치와 상황적 변수 반영 방식

xG를 산출할 때는 단순히 골대와의 거리뿐만 아니라 슈팅 성공률에 영향을 주는 복합적인 요소를 함께 계산합니다.

• 골대와의 거리 및 각도: 골문 중심에서 얼마나 떨어져 있는지, 슈팅 각도가 얼마나 열려 있는지를 측정합니다.
• 신체 부위: 발로 찬 슈팅인지, 머리(헤더)로 시도했는지, 약발인지 주발인지에 따라 확률 가중치가 달라집니다.
• 패스 유형 및 공격 전개 방식: 스루패스, 크로스, 컷백, 리바운드 볼 등 슈팅 직전 상황의 패스 형태를 반영합니다.
• 수비 압박 및 골키퍼 위치: 슈팅 궤적 내에 수비수가 몇 명 배치되어 있는지, 골키퍼의 위치가 어디인지도 모델에 따라 주요 변수로 적용됩니다.

누적 xG와 실제 득점 간의 관계 해석

선수의 실제 득점 수와 누적 xG 값을 비교하면 선수의 골 결정력과 득점 흐름의 지속 가능성을 평가할 수 있습니다.

실제 득점이 xG보다 훨씬 높다면 고난도 상황에서 골을 성공시키는 뛰어난 피니셔이거나 일시적인 결정력 상승세를 겪고 있는 상태로 해석합니다. 반대로 xG 수치는 높으나 실제 득점이 낮다면 좋은 기회를 많이 잡았음에도 마무리가 아쉬웠음을 뜻하며, 장기적으로는 평균 회귀 법칙에 따라 득점 수가 xG에 수렴하는 경향을 보입니다.

xA(기대 도움)의 개념과 기회 창출력 측정 원리

기대 도움(xA)은 패스를 받은 동료가 해당 패스로 인해 골을 넣을 확률을 측정한 수치입니다. 기존의 '도움(어시스트)' 기록은 패스가 아무리 훌륭해도 슈팅을 때린 동료가 골을 넣지 못하면 기록되지 않는 치명적인 단점이 있었습니다.

동료의 마무리 능력과 독립된 패서의 가치 평가

xA는 패스를 받는 선수의 슈팅 성공 여부와 관계없이 순수하게 패스 자체의 위협도와 기회 창출 수준을 측정합니다.

패스를 받은 선수가 슈팅을 시도하는 순간 계산되는 슈팅의 xG 값이 곧 직전 패스를 전달한 선수의 xA가 됩니다. 따라서 완벽한 찬스를 만들어 주었으나 동료의 빗맞은 슈팅으로 도움이 무산되었더라도, 패스를 찔러준 선수는 높은 xA 수치를 인정받아 플레이메이킹 능력을 공정하게 평가받습니다.

오픈 플레이와 세트피스 패스의 분리 분석

xA 지표는 필드 플레이(오픈 플레이) 상황의 키패스와 코너킥·프리킥 등 세트피스 상황을 구분하여 분석하는 데 유용합니다.

전담 키커를 맡아 세트피스로 수치를 쌓는 선수와, 좁은 공간에서 수비 라인을 허무는 킬패스로 오픈 플레이 xA를 생산하는 선수의 전술적 기여도는 다릅니다. 따라서 세부적인 xA 데이터를 교차 검증하면 선수가 팀 전술 내에서 어떤 방식으로 득점 기회를 설계하는지 명확히 파악할 수 있습니다.

xG와 xA 데이터 활용 시 주의해야 할 한계점

xG와 xA는 정량적 평가를 위한 우수한 도구이지만 축구의 모든 변수를 100% 반영하지는 못합니다. 데이터 모델마다 수집하는 변수와 가중치가 다르기 때문에 통계 제공 업체(옵타, 언더스탯, 스탯봄 등)에 따라 세부 수치에 차이가 발생할 수 있습니다.

슈팅 이전 과정과 온더볼 영향력의 누락

xG와 xA는 기본적으로 슈팅이 발생한 시점을 기준으로 데이터를 기록합니다.

따라서 환상적인 드리블로 수비 3명을 제쳤으나 마지막에 슈팅이나 패스로 이어지지 못한 플레이, 혹은 기점 역할을 하는 이른바 '서드 패스(Pre-assist)'의 영향력은 xG와 xA에 반영되지 않습니다. 이를 보완하기 위해 현대 축구 분석에서는 시퀀스 빌드업 지표(xG Chain, xG Buildup) 등을 함께 활용합니다.

표본 크기에 따른 왜곡 가능성

단기적인 몇 경기 기록만으로 선수의 기량을 단정 지으면 통계적 왜곡이 발생하기 쉽습니다.

축구는 경기당 득점 빈도가 매우 낮은 스포츠이므로 최소 반 시즌 또는 20~30경기 이상의 누적 데이터를 확보해야 유의미한 분석이 가능합니다. 단기적인 xG·xA의 급등락은 선수의 폼 변화뿐만 아니라 상대 팀 수준이나 전술적 상성 등 일시적 요인에 큰 영향을 받습니다.

자주 묻는 질문

Q1. xG 값이 0.5인 슈팅은 경기에서 얼마나 자주 나오나요?

A1. xG 0.5 이상의 찬스는 페널티킥(약 0.76~0.79 xG)이나 골키퍼와 1대1 맞서는 완벽한 오픈 찬스 수준으로, 한 경기에서 매우 드물게 발생하는 결정적인 기회입니다. 대부분의 일반적인 필드 슈팅은 0.05에서 0.15 사이의 낮은 xG 값을 가집니다.

Q2. 패스를 했는데 동료가 슈팅을 때리지 못하면 xA는 기록되지 않나요?

A2. 전통적인 xA 모델(Shot-based xA)에서는 패스 이후 실제 슈팅이 이루어져야 해당 슈팅의 xG 값이 패서의 xA로 기록됩니다. 다만 최근 고급 분석 모델(Expected Threat, Pass xA)에서는 동료의 슈팅 여부와 무관하게 패스 성공 위치 자체의 위험도를 기반으로 기여도를 산출하는 방식을 도입하고 있습니다.

Q3. 경기 분석 시 xG 값과 슈팅 수 중 무엇을 먼저 봐야 하나요?

A3. 단순 슈팅 수보다는 xG 값을 먼저 확인하는 것이 팀의 실질적인 경기 주도권과 유효 찬스 생산력을 판단하기에 훨씬 정확합니다. 무의미한 중거리 슈팅을 15번 시도한 팀보다 골문 앞 결정적 찬스를 3번 만들어 누적 xG가 높은 팀이 실제 경기에서 승리할 확률이 높기 때문입니다.

---

#축구 #축구통계 #데이터분석 #기대득점 #xG #기대도움 #xA #축구전술 #풋볼데이터 #옵타 #스탯봄 #축구용어 #현대축구 #스포츠데이터 #골결정력 #키패스 #플레이메이커 #세이버메트릭스 #축구지표 #전술분석